基于DSP与改进边缘检测算法的煤矸石自动分选系统

原始图像，分别对它们进行了中值滤波，其处理结果如图3(c)、图3(d)。可以看出，中值滤波实现了对灰度图像的平滑滤波，去除了孤立小噪声点，保证了目标物体的边缘清晰度。既保持了图像细节又去除了点状噪声。

为了分析灰度概率分布情况，必须通过边缘提取来定位煤块和矸石的区域位置，图4为本文改进算法的图像提取边缘。从图4可以看出，本文使用的算子提取煤块图像和矸石图像的边缘图定位准确、细化、清晰，明显优于一些经典边缘算子的提取结果。

根据上述改进的提取算子，可得到图像的边缘轮廓图，将此轮廓图映射到原始灰度图像上，就得到了没有背景的煤块图像和矸石图像。图5（a）、图5（b）分别是没有背景的煤块图像和矸石图像的直方图。比较两者可以看出，煤块图像的灰度值较小，矸石图像的灰度值较大，正好说明了煤快的颜色较黑，矸石的颜色较灰。进一步分析其直方图的灰度概率分布的均值和方差，由公式（5）、（6）计算可得，煤块的均值和方差分别为62.853和395.512；矸石的均值和方差分别为85.378和605.326。与计算机中存储的标准样品的均值和方差相比较，便可分选出煤块和矸石。

本文以高性能的微DSP为核心，结合数字图像处理技术，提出了煤块和矸石的自动分选系统。图像处理结果表明，通过对原始图像的预处理、边缘提取和特征提取等处理，根据煤块图像和矸石图像的灰度直方图特性，再结合DSP的高速运算能力，实现了煤块和矸石的实时自动分选。该技术为我国煤矿的选矸环节提供了一种新方法，提高了选矸环节的自动化水平和煤矿的生产效率。

参考文献

[1] 蒋勇．数字图像处理技术在煤矸石自动分选系统中的应用[D]．陕西：西安科技大学，2004．
[2] 王慧琴．数字图像处理[M]．北京：北京邮电大学出版社，2006：98-100．
[3] 章毓晋．图像工程(上册)图像处理(第2版)[M]．北京：清华大学出版社，2006：102-103．
[4] Pal，Sankar K.King，Robert A.Image enhancement using smoothing with fuzzy sets[J].IEEE Transactions on Systems，Man and Cybernetics，1981，11(7)：494-501.
[5] Pal，Sankar K King，Robert A.On edge detection of x-ray images using fuzzy sets[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，1983，5(1)：69-77.
[6] 王爽．仿生算法在数字图像处理中的应用研究[D]．安徽：安徽理工大学，2008．
[7] 刘富强，钱建生，王新红，等．基于图像处理与识别技术的煤矿矸石自动分选[J]．煤炭学报，2000，25（5）：534-537．